[发明专利]一种基于云模型的仿真可信度评估方法

说明书

本发明公开了一种基于云模型的仿真可信度评估方法，该方法包括以下步骤：深入分析某型装备系统和可信度分析方法，建立基于模型装备的可信度评估指标体系；提出基于均匀分布的一维逆向云算法，用于改进基于云模型的仿真可信度评估方法；将基于云模型的仿真可信度算法应用于仿真系统的可信度评估体系。本发明不仅可以准确计算数据的期望值信息，而且在聚合过程中还将评估值数据的分散度信息和凝聚度信息纳入其中，综合考虑了评估值数据的完整信息，通过设计相应软件将每一个节点的云参数数据进行输出和判断，还可以对错误数据及时剔除并作进一步更高准确度的评估。

技术领域

本发明属于计算机仿真领域，尤其涉及一种基于云模型的仿真可信度评估方法。

背景技术

仿真可信度评估可以提高仿真系统的质量，增加仿真系统的认可程度。它作为一个定量概念，是指仿真用户在一定需求下对于特定仿真系统及其仿真结果是否正确的信任程度。抗干扰评估系统只有保证其正确性和可信度，最终得到的评估结果才具有实际应用的价值和意义，因此保证抗干扰评估的可信度是一项非常关键的工作。在实际的仿真可信度评估时：一种方法是根据系统结果和数据特征计算得出近似的评估结果，另一种方法是由相关专家给出评估值，但是由于被评估对象的模糊性和评估人员认识的局限性导致评估人员很难给出精确的评估值，因此仿真可信度评估研究需要针对主观和客观划分、定性和定量转化两个方面展开。

1995年，李德毅院士结合概率理论和模糊数学提出了云模型，利用云模型发生器算法实现了定性和定量有效转换。该模型可以很好地解决评估过程中模糊性和随机性，已在环境、决策、军事和通信等领域广泛应用，但应用到复杂仿真系统可信度评估的研究较少，尤其是底层指标的评估值的获取较为简单。在以往的云模型发生器算法中，一般都是利用正态云模型进行定性定量转换，然而实际仿真系统被评估对象服从均匀分布、幂率分布和泊松分布等非正态分布，现有的正态云模型发生器尚不能处理此类数据信息。

发明内容

本发明的目的在于提供一种基于云模型的仿真可信度评估方法，旨在克服云模型在非正态分布条件下不适用的问题。

本发明是这样实现的，一种基于云模型的仿真可信度评估方法，该方法包括以下步骤：

S1、深入分析某型装备系统和可信度分析方法，建立基于模型装备的可信度评估指标体系；

S2、提出基于均匀分布的一维逆向云算法，用于改进基于云模型的仿真可信度评估方法；

S3、将基于云模型的仿真可信度算法应用于仿真系统的可信度评估体系。

优选地，所述可信度评估指标体系包括环境逼真度、条件覆盖度和数据可信度，选取环境逼真度指标利用上述方法进行评估，涉及数字仿真、半实物仿真和实验环境逼真度的可信度评估。

优选地，所述可信度评估指标体系的可信度评估包括对底层指标和权重值的计算；所述底层指标的定量结果直接转化为云参数，定性结果利用云模型将其转化以云参数为特征的定性结果。

优选地，所述定性结果的量化包括以下步骤：

(1)确定评估人员的权重级别；

(2)利用评估区间值或评估值分布参数按照权重比随机产生一定数量的评估值数据；

(3)利用逆向云算法，将随机产生的评估值数据转化为云模型参数。

优选地，所述步骤S2中，基于云模型的仿真可信度算法包括以下步骤：

(1)数据采集；

(2)数据预处理；

(3)判定数据类型；

(4)计算云模型参数；

(5)计算权重云模型；

(6)评估值聚合。